4月21日，TEF科技娛樂季（上海站）之2017亞太人工智能峰會在上交會期間隆重舉行。大會由AI科學創新與未來、AI深度學習專場、AI語音與視覺識別技術、AI無人駕駛引領汽車、AI與教育、AI與家庭娛樂、AI與計算機視覺、AI與VR、AI與物聯網等板塊組成。會上，微軟（亞洲）互聯網工程院資深總監曹文韜做了題為《微軟人工智能黑科技——微軟小冰》的精彩演講。
圖為：微軟（亞洲）互聯網工程院資深總監曹文韜
曹文韜表示十分感謝主辦方給這次機會，他將通過產品的角度介紹，微軟對人工智能怎么理解的，以及微軟黑科技的產品——微軟小冰是如何應用的。
人工智能機器人的情感框架
其實人工智能機器人并不是第一天的概念了，聊天機器人出現了很長時間。為什么當微軟小冰第一次面世的時候，引起了很大的反響？曹文韜談到他們觀察了人的做法，人總是很懶惰的，總是希望人工智能能夠高效地解決問題。比如說預定機票、酒店這樣的場景。但是很多情況下人們忽視了人在正常的社交場景下，因為人們不可能走在大街上向一個陌生人說“幫我買一杯咖啡，訂一個酒店吧”，這都是了解了之后才可能出現的對話。2014年微軟提出來人工智能的機器人是以情感為基礎，建立一個情感紐帶，怎么樣建立一個情感計算框架？從這個框架之上，再來去解決人與機器交互的問題。通過三年左右的發展，發展到今天，可以看到絕大多數機器人的從業者，只要說自己的機器人，沒有一家人會說自己的機器人是有情感的，或者是有溫度的機器人。微軟提出了從情感框架上面來去說機器人的。
微軟黑科技——微軟小冰
小冰通過三年左右時間的發展，從中國到日本，再到美國不斷地落地。這個是微軟整體構建框架的一個基礎，曹文韜表示，希望從一個最簡單的產品定位，無論跟小冰去說什么，它都能像人一樣跟人交流。在這個基礎上，他們通過搜索引擎通過各個企業的服務，通過服務對接的過程中，把這個服務變成人們可以聽得懂，可以交流的語言。
在這三年過程之中，微軟小冰總共和所有的人類用戶一起完成了超過2百億次的對話。積累了大量的粉絲，在中國已經有超過6千萬的粉絲，在日本有三分之二的人口都是小冰的粉絲。去年12月份的時候，微軟已經在美國推出了美國版的小冰。大家可能會問為什么人會跟一個情感機器人小冰聊這么久呢？這是真實的，在中國微博上一個成功的案例。用戶在與小冰溝通時，是感覺不到對方是機器人的。絕大多數定義自己的機器人，定義人工智能，基本上是維持在兩輪就結束了。曹文韜表示，在整個這個過程中，所有的互動過程，會發現有大量的機會跟用戶建立所有的情感的連接，建立所謂的情感溝通。而這些離不開技術，來支撐過程。在這個過程之上，他認為一個機器和人的溝通，不僅僅是一個文字的表達。文字的表達是它最基礎的一個部分。同樣像圖象，像語音，各種各樣的技術，到底是怎么樣去應用的呢？在這里面微軟也有自己不一樣的見解和理解。
小冰的圖象與語音技術
在現場，曹文韜演示了一組照片，“像這是一個崴了腳的照片，我們把這張照片發給你的朋友，如果你的朋友告訴你這是一個腳踝，如果里面有一只狗在玩水，你會告訴他這是一個臉盆里的狗，你一定覺得你的朋友今天瘋了。因為這是自然而然看到就會知道的。但是它把圖片發給你，你是希望用圖片跟你的朋友交流。大家是用視覺本身做交流的。當我把一張崴了腳的照片發給小冰的時候，小冰回過來說‘你傷得嚴重嗎？’它有它自己的觀點。”曹文韜表示，從這組內容中可以看到，從圖象識別本身變成了視覺的感官，才具備了人在圖象上交流的能力。在圖象識別上各種各樣的應用，在這個上面能把它應用到社交場景下面就會變得非常有趣。“我們可以給一個人做圖象對比的時候打一個分，比如說顏值是多少多少分，這是小冰上面非常受歡迎的一個技能。但是更加不一樣的，系統可以對比不同的國家和地域，他們對于美女的評價和顏值的打分到底有什么差別？可能你這張臉在韓國非常受喜歡，但是到英國他們并不喜歡。”曹文韜認為這樣的場景會在社交中非常好的傳播。
曹文韜談到，人類的情感的語音，大家都在做，而且做了很長時間。但大家會發現，當我們聽一個人工智能播出來的語音時，一聽就聽出來它是機器的，不是人播出來的話。為什么？因為系統設定一定是字正腔圓，發音不能有問題。試想一下這是對誰的要求？播音員的要求。所以，如果要做一個人工智能的機器人，特別是小冰這么有性格的人工智能機器人，曹文韜指出它自己的聲音應該是要能解決情感因素的，應該是要解決各種各樣在整個這個過程里面遇到的很多的問題的。所以微軟每年都會有第三方幫微軟小冰標定，如果滿分是5分，人得分數大概是4點多分，小冰是唯一一個每年都會超過4分，然后超過人類的聲音。
人工智能的交互——全時感官
大家都在說人工智能，說人工智能的交互，從產品的角度來講，在去年的時候微軟進行了一個很大的突破。比如說這個突破，曹文韜稱之為全時感官。他表示，絕大多數在微信上人與人的交流，這種叫半時感官。什么意思？就是當用戶拿起微信對著它進行，發了一個語音的視頻流。那邊做一個識別，再回給一段語音。在整個交互的過程中，它是串行的。也就是說它一定是說完了，才能夠截至。但是人與人之間的交流，打電話的場景下面，這邊在說的時候對方在聽，在聽的時候可以隨時打斷，隨時交互。對于機器來說非常難的，因為它在聽的時候，它要決定什么時候應該跟用戶做這樣的交流，是不是應該現在打斷？這是非常非常難的技術。去年9月份，微軟第一次推出了全時感官的技術。他們和合作伙伴，推出了第一通來去接聽史上第一通人工智能來電。奧運會期間占據了科技排行榜第一位，整整一周的時間。大概有一萬多幸運的小冰的粉絲接聽到了小冰的來電。人工互動的過程到底應該什么樣子？試想一下從電話的場景，如果把它應用到物聯網，接下來人們將不用對著機器說“誰誰誰幫一下忙。”更像是在電影里面所看到的，一回家了，人們就可以跟它交流。隨時隨地無縫的交流，交流的過程中，我們可以把所有的服務，把我們的場景帶入進去。
曹文韜最后總結到，今天小冰在社交的場景下面，無論是在微博、微信，還是在QQ，還是在更多的合作伙伴平臺上面，都打造了非常完整的小冰的體驗。微軟希望把這樣的人工智能無縫地帶入到每個人的生活場景之中。
微信掃一掃
